准备定期整理一些好的 skill 发出来
第一波：审美很不错的照片 Skill
1. photo-abstract-editorial
保留照片的真实内容，并仅从照片本身提炼空间关系、构图节奏和色彩关系
go.colaskill.com/abs
2. heytea-style
喜茶风格海报生成
go.colaskill.com/heytea
3. gc-minimal-zine-poster
可以把主、句子、文章构想、物件、情绪、照片或参考图集，转化为一张zine纸张质感的极简编辑海报
go.colaskill.com/zine
4. ip_illustration_for_yourself
把自己的个人IP生成萌粒风插画，并且可以根据内容生成相应配图
go.colaskill.com/ip
5. photo-revival
把普通照片、生活随手拍、废片和日常物件，重新画成一页白纸上的诗性手绘插画。
go.colaskill.com/revival
6. tait-crt-interface-skill
早期C计算机界面质感的复古插画skill
go.colaskill.com/crt
@aigc1024

准备定期整理一些好的 skill 发出来
第一波：审美很不错的照片 Skill
1. photo-abstract-editorial
保留照片的真实内容，并仅从照片本身提炼空间关系、构图节奏和色彩关系
go.colaskill.com/abs
2. heytea-style
喜茶风格海报生成
go.colaskill.com/heytea
3. gc-minimal-zine-poster
可以把主、句子、文章构想、物件、情绪、照片或参考图集，转化为一张zine纸张质感的极简编辑海报
go.colaskill.com/zine
4. ip_illustration_for_yourself
把自己的个人IP生成萌粒风插画，并且可以根据内容生成相应配图
go.colaskill.com/ip
5. photo-revival
把普通照片、生活随手拍、废片和日常物件，重新画成一页白纸上的诗性手绘插画。
go.colaskill.com/revival
6. tait-crt-interface-skill
早期C计算机界面质感的复古插画skill
go.colaskill.com/crt
@aigc1024

现在很多投资“AI股”的散户，可能已经被科技巨头之间的循环融资游戏忽悠了。
举个例子：
微软投资OpenAI；
OpenAI购买Azure算力；
Azure采购英伟达GPU；
英伟达再投资OpenAI；
OpenAI又承诺部署更多英伟达系统……
这里没有财务造假。问在于，同一轮AI支出，被资本市场在不同公司身上反复包装成独立增长。
最终还是要看，真实企业和消费者支付的钱，能不能覆盖算力、电力、折旧和融资成本。
数据来源：摩根士丹利

AI探索 | Hermes/OpenClaw｜优质资源｜优质信息

有想做DeepSeek Harness开发者关系的朋友吗？快来试试DevRel岗位吧～base北京哦
希望你是计算机背景，深度参与开源项目，性格开朗外向的技术爱好者，天天泡开源社区。优先考虑全职，特别优秀靠谱的实习生也可以～
求带GitHub链接来戳我～
zy.wu
@aigc1024

人形机器人看起来好像还在炒作周期里，观察了一年，感觉还有很长的路要走。智能体从炒作到落地可用，花了三年左右，人型机器人涉及到物理世界的迭代反馈，没那么快。毕竟自动驾驶炒作了很多年，而距离大规模普及看起来还有很长距离，毕竟很多往往不是技术问。
@aigc1024

蒸馏风暴：AI 公司不愿公开谈论的技术竞赛
https://mp.weixin.qq.com/s/m9Q_YMwX_TNbs2KvxFWO8g
蒸馏，一个所有人都不用公开谈论，但是都默默关注的。
过去 一段时间，我向来自不同公司的人学习了蒸馏（可称为关于蒸馏的蒸馏）。这篇文章会梳理几个基础问：蒸馏是什么？大规模蒸馏如何实现？它的难度和门槛是什么？代价又是什么？
当然还有很重要的：蒸馏不是什么？——这是一个在出圈、扩散中，也被层层误解和曲解的概念。
一件有意思的事是，虽然大家不愿意公开谈论蒸馏，但我接触的多数人并不从心底认为蒸馏是可耻的。根源在于，目前对闭源模型的蒸馏是黑盒蒸馏，实际上大家利用的是模型在发布之后的使用阶段的产物。所以当 Anthropic 们来指责其他公司“蒸馏”它的时候，它也总是会被回旋镖击中：当年谁蒸馏了整个互联网和那么多人类书籍（还没付钱）。
*这是一次特别需要反馈的操作，希望更多从业者来交流你们的所见和态度。也许我们还能有更深入的 2.0 版本。
@aigc1024

Seedance 2.5
将于明天正式发布...

最头部闭源模型的价格越来越贵，开源模型越来越强，还有deepseek这种价格屠夫的存在，所以单纯只是在成本角度考量，所有企业其实都要考虑的自己企业内的AI模型部署与选择；
同时又因为在这个阶段，广义上的“数据”的价值在边际上更加重要了；
所以除了模型层之外，越来越多的企业需要在模型后训练、强化学习环境搭建上做更多的“工程化”工作……
但所有这些事情本质上都没有绝对的标准答案，战略方针、目标、具体执行都是未知的……
最近红杉美国找了几家这些议上走的最远的公司组织了一次活动---Own Your Intelligence 。
YouTube上已经更新了四期视频， 分别涉及战略理念、模型后训练（Fireworks）、强化学习环境（Mercor）和垂直领域研发落地（Harvey），非常系统。
具体分享嘉宾和内容：
Sonya Huang (红杉)：立论核心逻辑，为什么企业必须拥有自己的模型权重与智能控制权？
Harvey (Gabe Pereyra)：法律 AI 垂直领域的超级范本，演示小团队如何低成本组建顶级 AI Research Lab。
Fireworks AI (Lin Qiao)：何时、以及如何对模型进行后训练落地。
Mercor (Brendan Foody)：拆解强化学习与高质量数据构建的底层细节。
地址：
https://www.youtube.com/playlist?list=PLaqC3GACblSs
PS：红杉这人脉～～～
@aigc1024

#频道互推

你不知道的内幕消息🅥
AI探索指南
互联网从业者充电站
书墨资源
出海🚢&自媒体运营秘籍
你不知道的冷知识
优质信息收藏夹
副业赚钱探索指南
两性知识
中年人生存报告

────
💡 互推: @jxht_bot